当前目标检测按锚框分类有两类:
- 有锚框算法,Yolo ,RCNN等
- 无锚框算法,YOLOX
衡量锚框的重合程度---IOU(交并比)
将图片看成像素集合,那每个框一是像素的集合,这样就可以使用雅克比指数进行衡量交并比。
给锚框定标号:
- 每个锚框是一个训练样本
- 将每个锚框,要么标注成背景,要么关联上一个真实边绿框
- 我们可能会生成大量的锚框,这个导致大量的负类样本
通过选择某一锚框(行),则就负责该行和列(边缘框)的预测,直到整个图像所有像素全部被覆盖。
两种生成方法:
- 根据图片自动生成
- 固定生成
非极大抑制(NMS)
- 每个锚框预测一个边绿框
- NMS可以合并相似的预测
- 选中是非背景类的最大预测值去掉所有其它和它IoU值大于阈值的预测重复上述过程直到所有预测么被选中,要么被去掉要
预测时, 其中有两次筛选操作:
- IOU筛选,通过设定某一阈值,将预选框小于阈值的框筛选掉
- NMS筛选,将IoU筛选后的框,排序。选取同一标签号的预选框置信度最大的框。
总结:
- 类目标检測算法基于锚框来预测
- 首先生成大量锚框,并赋予标号,每锚框作为一个样本进行训练
- 在预测时,使用NMS来去掉冗余的预测